如何高效实现Pandas DataFrame的宽表转长表（逆透视）操作？

要实现这种宽格式到长格式的转换，最直接高效的方法是使用Pandas内置的melt()函数——这是Pandas专门为宽表转长表设计的优化工具，性能远优于手动循环或拼接操作。

步骤示例： #

1. 构造原始宽格式DataFrame：

import pandas as pd

# 构建原始数据
df = pd.DataFrame(
    data=[[0.10, 0.74, 0.25], [0.80, 0.15, 0.05]],
    index=['John', 'Alex'],
    columns=['M1', 'M2', 'M3']
)

2. 使用melt()完成转换：

# 宽转长，保留原索引，指定新列名
long_df = df.melt(ignore_index=False, var_name='M', value_name='value')

转换后结果： #

M  value
John   M1   0.10
John   M2   0.74
John   M3   0.25
Alex   M1   0.80
Alex   M2   0.15
Alex   M3   0.05

关键参数说明： #

• ignore_index=False：保留原有的行索引（John、Alex），若设为True会生成新的整数索引
• var_name='M'：将原列名（M1、M2、M3）映射到新列M中
• value_name='value'：将原数值数据映射到新列value中

melt()是Pandas原生实现的函数，底层经过性能优化，处理大规模数据集时效率极高，是这类转换场景的首选方案。

内容的提问来源于stack exchange，提问作者Michelle Espinosa